DPS Main
Відкрити в Telegram
3 750
Підписники
+124 години
+87 днів
+4430 днів
Триває завантаження даних...
Залучення підписників
вересень '26
вересень '26
+4
в 0 каналах
серпень '26
+81
в 2 каналах
Get PRO
липень '26
+27
в 0 каналах
Get PRO
червень '26
+21
в 0 каналах
Get PRO
травень '26
+35
в 0 каналах
Get PRO
квітень '26
+24
в 0 каналах
Get PRO
березень '26
+23
в 0 каналах
Get PRO
лютий '26
+47
в 0 каналах
Get PRO
січень '26
+35
в 3 каналах
Get PRO
грудень '25
+24
в 1 каналах
Get PRO
листопад '25
+41
в 1 каналах
Get PRO
жовтень '25
+29
в 2 каналах
Get PRO
вересень '25
+51
в 1 каналах
Get PRO
серпень '25
+20
в 1 каналах
Get PRO
липень '25
+21
в 2 каналах
Get PRO
червень '25
+31
в 3 каналах
Get PRO
травень '25
+26
в 2 каналах
Get PRO
квітень '25
+24
в 2 каналах
Get PRO
березень '25
+35
в 2 каналах
Get PRO
лютий '25
+48
в 4 каналах
Get PRO
січень '25
+60
в 4 каналах
Get PRO
грудень '24
+64
в 5 каналах
Get PRO
листопад '24
+77
в 5 каналах
Get PRO
жовтень '24
+45
в 1 каналах
Get PRO
вересень '24
+61
в 4 каналах
Get PRO
серпень '24
+93
в 3 каналах
Get PRO
липень '24
+68
в 2 каналах
Get PRO
червень '24
+106
в 5 каналах
Get PRO
травень '24
+76
в 4 каналах
Get PRO
квітень '24
+71
в 1 каналах
Get PRO
березень '24
+125
в 4 каналах
Get PRO
лютий '24
+57
в 0 каналах
Get PRO
січень '24
+116
в 2 каналах
Get PRO
грудень '23
+119
в 7 каналах
Get PRO
листопад '23
+37
в 8 каналах
Get PRO
жовтень '23
+39
в 4 каналах
Get PRO
вересень '23
+80
в 0 каналах
Get PRO
серпень '23
+33
в 0 каналах
Get PRO
липень '23
+47
в 0 каналах
Get PRO
червень '23
+38
в 0 каналах
Get PRO
травень '23
+54
в 0 каналах
Get PRO
квітень '23
+99
в 0 каналах
Get PRO
березень '23
+208
в 0 каналах
Get PRO
лютий '23
+110
в 0 каналах
Get PRO
січень '23
+138
в 0 каналах
Get PRO
грудень '22
+52
в 0 каналах
Get PRO
листопад '22
+197
в 0 каналах
Get PRO
жовтень '22
+281
в 0 каналах
Get PRO
вересень '22
+54
в 0 каналах
Get PRO
серпень '22
+156
в 0 каналах
Get PRO
липень '22
+55
в 0 каналах
Get PRO
червень '22
+69
в 0 каналах
Get PRO
травень '22
+249
в 0 каналах
Get PRO
квітень '22
+233
в 0 каналах
Get PRO
березень '22
+61
в 0 каналах
Get PRO
лютий '22
+15
в 0 каналах
Get PRO
січень '22
+41
в 0 каналах
Get PRO
грудень '21
+28
в 0 каналах
Get PRO
листопад '21
+48
в 0 каналах
Get PRO
жовтень '21
+37
в 0 каналах
Get PRO
вересень '21
+79
в 0 каналах
Get PRO
серпень '21
+34
в 0 каналах
Get PRO
липень '21
+138
в 0 каналах
Get PRO
червень '21
+89
в 0 каналах
Get PRO
травень '21
+56
в 0 каналах
Get PRO
квітень '21
+72
в 0 каналах
Get PRO
березень '21
+118
в 0 каналах
Get PRO
лютий '21
+173
в 0 каналах
Get PRO
січень '21
+413
в 0 каналах
Get PRO
грудень '20
+1 082
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 06 вересня | 0 | |||
| 05 вересня | +1 | |||
| 04 вересня | 0 | |||
| 03 вересня | 0 | |||
| 02 вересня | +1 | |||
| 01 вересня | +2 |
Дописи каналу
昨天看朋友拿 AI 准备面试，又是很有意思的经历。
她拿到了某家公司的面试邀请，于是把自己的简历和招聘启事都喂给 Chatgpt ，让它带着模拟面试，最后想让它把讨论结果存成文件导出，结果导出结果完全不是她想要的。末了，她只好自己手动一段段贴到 google docs 里。
这可能是很多朋友还在使用 AI 的方式，而这没有完全发挥出 AI 最大的潜力。
因为之前帮她装了 career-ops，也装了 claude code，我问她为什么不用它呢？
她说了几个问题：
1. career-ops 并不是开箱即用的，需要不断调试；
2. 不少 AI 工具会产生记忆，但她有时需要 out-of-box 的建议，帮她拓展思路；
3. 她以为找工作这件事不可复用，不同职位的要求不一样，所以要一一准备。
于是我看了看她的 career-ops，已经用了不少次，所以已经有一些个人数据，我问 claude，基于这些，你把这个候选人的画像讲出来。
agent 调出了 profile.md，里面详细记录了她的背景，喜好，等等。洋洋洒洒几百行。我告诉 agent，她有时需要 out-of-box 的建议，于是这条也被记录下来。然后我又让 agent 整理了 这个文件，只保留精华部分。
随后我带着她跑了一轮面试准备，效果非常惊艳。
我告诉 agent，现在有这么一个职位，链接在哪里，通过朋友得知，这家公司看重创新性思考和战略思维。我们应该如何准备？
agent 认真分析了职位要求，然后看了她白天和 ChatGPT 讨论的结果。然后自动跑去公司网站，把销售数据等等做了汇总，还根据公开信息把 org chart 画了出来。
然后告诉我们：
1. 这个职位的职能其实比我们理解得大；
2. 如果从战略思维，创新性思维的角度来看，应该如何准备；
3. 后面可能遇到的面试官以及他们的背景情况。
随后我们又拿了一个类似的职位测试，跑下来非常顺利，也能提供一些我们不曾想到的角度。
所以这就是file system + agent 的优势：
1. 你对本地文件有完全的掌控；
2. 你可以用不同的 agent 来调用这些数据，不会被 agent 绑死；
3. 你可以通过 agent.md 甚至更复杂的 harness 来调整 agent 的行为；
4. 你的数据可以被加以复用
https://t.me/dps_build/653
| 2 | 朋友开始读 JD，有大量的课程资料要整理，动不动就喊 agent 烧完了，我觉得很奇怪，就帮忙看了看，然后处理了一下。
她有几个需求：
1. 所有的课程文件都在一个大目录下，课件，录音，课本，笔记，等等；都是手动整理的；
2. 她需要让 agent 帮她整理，然后她打印出来之后阅读，然后和 agent 讨论知识点，这一步是在 Gemini notebook 里完成的，有时还会用到里面的 flashcards；
3. 每节课都会用 apple voice memo 录音，然后用 whisper transcription 转成文本；
4. 有大量课件要从 canvas 上手动下载，还有小组讨论，作业等等；
5. 所有的课本都拿 abby 做了 ocr 存成 txt；
我用 claude 打开之后，第一件事就是让它自己评估，how to make this folder agent-friendly and token efficient。它评估完之后，我和它讨论了一番，最终变成了一个大目录下，每个课程一个子目录，所有目录都有 agent.md
然后又做了这些；
1. 建议她放弃 gemini，所有都在本地操作，这样用得越久，积累的数据越多，而且都在一个地方，agent 也就越熟悉她；
2. 写了一个脚本，添加了 canvas access token，自动拉取课件，作业，小组讨论，agent 还会自动整理到指定文件夹；
3. 写了一个脚本，用 ffmpeg + whisper-cli 替代上面的 whisper transcription，agent 自己就能把录音转成文本；
4. 继续用 abby，但是输出文本用 html，这样 agent 可以方便地转成 md 文件并保留结构；
5. 用自己写的代码生成 flashcards，替代 Gemini Notebook。
总体思路就是用 agent 把所有的流程都变成 API 化，Cli 化以及代码化，尽量减少手工操作。 | 622 |
| 3 | 这两天学到的一个技巧是，跑一个主对话，只让它做调度，活全派给 subagents，subagents 的 model 也让它来调度。省 token，省 context window。
举个例子，我在主对话里跑 opus 4.6，让它根据项目进度安排活，然后指派给 subagents with proper models。一般它会调 sonnet 或者 haiku，并且会自动把任务计划写好，等着 subagent 跑完会回报进度。
简单来说就是 mapreduce。尤其适合睡前安排任务跑过夜。 | 732 |
| 4 | 昨天拿 ChatGPT 制定一个旅行计划，有不少惊喜。
我大致的喜好是：
1. 希望多看看博物馆和古迹，这样可以更好地了解一个地方。
2. 尽量按照距离规划路线，把以上这些打包在一起，比如相近的景点可以安排在一天内，这样可以大幅压缩交通时间；
3. 检查各景点开放时间和展出项目，免得扑空；
4. 住宿尽量选项方便出行的地方，最好离主要景点比较近；
反复讨论了几轮之后，最终得到我满意的结果。
因为我使用 tripsy 来记录旅行计划，但是手动修改非常痛苦。于是让 tripsy 查看它的文档，发现可以通过它的 API 更新，于是又让 ChatGPT 把写好的计划转换成脚本，直接通过 API 更新到 Tripsy。
最后附上，我让 ChatGPT 总结出来的 prompt，方便大家使用，也方便我日后使用：
请以迭代方式帮我规划旅行，根据新确认的机票、酒店、交通和展览持续优化，而不是给常规游客打卡路线。
兴趣：优先考古、文物、历史遗迹、博物馆、传统建筑；宗教景点只保留真正重要的。现代/当代艺术可以，偏好绘画、雕塑，降低数字、沉浸式和装置艺术优先级。
路线：按距离分组，结合真实开放时间、参观时长和交通时间，减少折返，不要塞满行程。
人流：检查实际日期的节假日、活动和国内外游客高峰，通过调整参观时间避开高峰。
餐厅：结合每天路线安排午餐和晚餐，优先当地人真正会去的高评价餐厅，参考本地平台，而不是游客榜单。
酒店：优先位置、干净、舒适/新旧、性价比；3–4 星即可。必须比较实际入住日期价格，不用其他日期的参考价。
交通：公共交通优先；租车要综合人数、成本、停车、拥堵和便利性判断。未确认的班次不要猜。
验证：每次重大调整后重新检查 开放时间 → 展览 → 距离 → 交通 → 时长 → 餐饮 → 人流 → 摄影 → 每日强度。发现低价值、重复或绕路景点就删除。
核心原则：不要优化“去了多少地方”，而要优化「质量 × 兴趣匹配 × 地理效率 × 实际日期情况」。 | 1 137 |
| 5 | 近距离观察了朋友怎么用 AI，然后给了一些建议。
背景是我们合作在写一套培训课程，有比较特殊的文件要求 （scorn），我们两人精力有限，都想借助 AI 完成大部分工作。我们的分工是我朋友负责文字和图片内容，我负责除此之外的所有。
所以最近几周，我构建了大量的工具，比如课程内容写在 yml 文件里，然后可以渲染成 html，这样就可以在浏览器里预览所有内容和交互。还把客户的要求全都提炼出来，形成一套半自动生成内容，全自动渲染部署的系统（他们非常主观，没有系统性的书面要求）。
结果和我朋友之前产生了不小的 gap，我在项目里特地为她的 agent 优化，这样只要她的 claude 读到项目，理论上就可以无缝衔接。但无论怎么试，发现有巨大的隔阂。
直到今天近距离观察她是怎么用的，才发现原因：
1. 她打开 cluade desktop，然后手敲一大行 prompt，让 claude 根据素材生成 prompt；
2. 然后把相应的文件和上面的 prompt 放到千问的聊天框里，让千问干活；
3. 然后再把千问的结果贴回 claude，然后又问 claude 哪些地方需要插图，并要它生成图片的 prompt；
4. 再把这些贴到 Meta AI 里的聊天框，生成图片。再下载回来，丢给 claude。
如此反复。
我建议她：
1. 使用 paseo 来调度不同的 agent；
2. 安装 opencode，这样可以用 qwen 的 API，而且不贵。
3. 可以在 paseo 里直接用 claude 调用 opencode cli。让 claude 读到项目的上下文，然后生成相应的 prompt，直接调用 qwen 生成内容；
4. 预览之后，要求 qwen 修复一些问题；
5. 然后让 claude 查看什么地方适合插图，看看项目里是否已经有爬取的图片或者生成的图片可以直接用，没有的话，生成 prompt 丢给 codex 去生成图片；
6. 然后把生成的图片，和相应的 prompt 写成图片描述，存到 manifest 里。以后再用的时候，就可以通过 manifest 直接定位到图片。
对了，以上几步都生成了 skill，以后她都不用怎么手敲 prompt 了，只要 / 就能调用 skill | 4 329 |
| 6 | 一个生活小技巧：牙刷之类的软管产品，挤完之后拿剪刀软管中间剪开，里面至少还有一周的用量。可以拿剪开的尾部作为盖子罩在前半部分上。 | 1 130 |
| 7 |  如果每周的 token 限量没有用完，其实最超值的用法是用最好的模型优化你的 skills，因为 skills 会反复被调用，不仅直接关系到最后实现效果的优劣，还直接影响 token 的消耗，妥妥的复利效应。 | 1 230 |
| 8 | Keep Meter Running 的这期非常感人：
来自尼泊尔的纽约的士司机 Khakendra Pun 搬往美国多年，做了77份零工，睡过97个不同房子的地板。
他算了下，如果靠着每小时四美金的最低时薪，他要花167年才能在美国买一栋房子。
于是他跑去书店打工，在工作间隙写下自己的故事，然后印刷成书。见人就卖，卖了超过六千册。然后又陆续写了三本书。
当主持人 Kareem Rahma 遇见他时，他说自己还会吹笛子。在等红灯的间隙就会拿出笛子练习。Kareem 邀请他去了一家录音棚录下了他的演奏。
Khakendra 说他最大的还未实现的梦想就是说一场脱口秀。于是 Kareem 帮他找了一个开放麦。
Khakendra 说，人生就是不断有起伏，最重要的就是继续往前走。失败也好，拒绝也好，都是一个新的开端。Kareem 也说，他父亲离世前的最后一句话是，Keep going.
https://youtu.be/LtXM2FfbdEk | 1 959 |
| 9 | 这期讲得实在太好了，从鸦片战争一直聊到了当代，从美国日本欧洲一直聊到了中国，把很多问题都聊透彻了，比如为什么会发生鸦片战争，为什么日本要拿下满洲等等。
https://jfbooks1.substack.com/p/ep19 | 975 |
| 10 |  Немає тексту... | 1 010 |
| 11 | GigaOM 的创始人 Om Malik 刚刚去世，那么多科技界名人都写了悼文：
https://om.co/2026/06/24/1966-2026/
https://ma.tt/2026/06/om-forever/
https://daringfireball.net/linked/2026/06/25/om-malik-rip
https://arun.is/blog/good-bye-om-malik/ | 757 |
| 12 | DPS 也曾经分享过十篇 Om Malik 写的文章 | 724 |
| 13 | 最近见了老同学，已经升到一顶尖高校的副教授了，算是我们里面比较快的了。
聊起我们同一级的另外一哥们，已经升到另一顶尖高校的正教授了。
说起来这哥们也有意思，当年保送国内最好的数学系之一，读了三年，坚决不上思政课，然后学位没拿就走了。
去了法国顺利拿到博士学位，然后一路在理论数学里开疆拓土，拿到了现在的正教授职位。
最好笑的是，当年拿思政课成绩卡他的学校现在追着把他当杰出校友，可是学位还没给人家啊🤣 | 792 |
| 14 |  Anthropic 的这张图正好说明了这点 | 1 190 |
| 15 | 大开眼界的一期节目：
1. 墙的存在并不是为了封禁所有人，而是为了提高翻墙的成本，这样就能过滤掉大量人；
2. 墙的存在其实也变成了一种牟利方式，国企，阿里云，腾讯云都从中获利颇丰；
3. 当然做翻墙生意真赚钱；
4. 远洋捕捞也成了一种产业，特别是北方的县级公安特别喜欢这种方式，当然一线城市的公安也好不到哪去，暗示送钱，罚没之后不记录在案；
5. 人肉翻墙也有各种方式，嘉宾找朋友一路从武汉开车到钦州，中途不曾下车。然后进入越南，又去友谊关打点，获得另纸签。然后飞到新加坡，再飞欧洲。
6. 总之永远不要放弃希望。
https://overcast.fm/+ABO6eQuuJ5M | 816 |
| 16 | Jeff Su 最近的一期视频正好聊到这个：
https://youtu.be/msFxQ7OYPj8 | 1 033 |
| 17 | 最近近距离观察一些朋友使用 AI 的方式，发现了很明显的代际差异：
1. 朋友 A 用了 Gemini / Grok / Claude Desktop 等多个工具，但仅限于使用他们的对话框界面，一个对话可能承载了所有历史；
2. 朋友 B 使用了 Claude / Chatgpt 等对话框工具，也使用了 Claude Code。用 Claude code 一半是对话，一半是用 agent 调用工具，解放了不少生产力；
3. 朋友 C 只使用 Claude Code 和 Codex，只有一小部分对话，绝大部分都是 agent。
举个最简单的例子，比如你的电脑出了问题，如果使用 A 的方式，可能就是不断地问 AI，然后贴截图，再按照它的回答拿鼠标去点；如果使用 C 的方式，基本上就是问答之后确定方案，然后让 AI 代劳。
尽管 Claude Code 和 Codex 名字里都带着 code，但它们不仅适用于写代码的场景，在很多非代码场景里也可以极大地解放生产力。 | 1 041 |
| 18 |  终于找到了完美的会议摄像头配置：
1. 大疆 Osmo 手持云台
2. iPhone 后置摄像头，有线接入 Mac
尽管只是 16e，但非常清晰，比市面上其他专用的 4k 会议摄像头要清晰得多，而且没有延迟。 | 1 033 |
| 19 | 用 Astro 重写了网站，替代了原先的 Ghost。开放了所有内容：
https://letters.acacess.com/ | 937 |
| 20 | 去年年初见一个正在创业的朋友，他说自己在用 $200/m 的ChatGPT Pro，我自己当时还在用 $20 / m ChatGPT Plus。他当时介绍了自己怎么用 那么多，我当时心疼钱，没舍得升级。
四月的时候因为 Lenny podcast 赠送 cursor 等会员，我买了，但是没兑换到，后来自己花钱买了 $20/m 的 cursor。五月的时候先买了 $20/m 的 claude ，后来升级到 $100/m 的 claude max。
中间因为 token 不够用，升级过一两次到 $200/m 的 claude max。最近变成了 $100/m 的 claude max 和 ChatGPT pro。
用 paseo 在服务器上跑这两个 agent ，然后用 pi 在本地跑一个 qwen 3.6 27b 的模型用户简单任务。
总之，在力所能及的范围内用最好的模型，可能是这个时代最划算的投资。 | 1 200 |
